دانلود پروژه ها و تحقیق های دانشجویی

مقاله آشکارسازی تغییرات کاربری اراضی با تکنیک طبقه بندی بر روی تصاویر ماهواره Worldviewدر2 و استفاده از الگوریتم های شبکه عصبی مصنوعی تحت word دارای 12 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله آشکارسازی تغییرات کاربری اراضی با تکنیک طبقه بندی بر روی تصاویر ماهواره Worldviewدر2 و استفاده از الگوریتم های شبکه عصبی مصنوعی تحت word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله آشکارسازی تغییرات کاربری اراضی با تکنیک طبقه بندی بر روی تصاویر ماهواره Worldviewدر2 و استفاده از الگوریتم های شبکه عصبی مصنوعی تحت word ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله آشکارسازی تغییرات کاربری اراضی با تکنیک طبقه بندی بر روی تصاویر ماهواره Worldviewدر2 و استفاده از الگوریتم های شبکه عصبی مصنوعی تحت word :

سال انتشار: 1393
محل انتشار: همایش ملی کاربرد مدل های پیشرفته تحلیل فضایی (سنجش از دور و GIS) در آمایش سرزمین
تعداد صفحات: 12
چکیده:
به طور کلی داشتن یک تابع کلیدی در بسیاری از زمینه های کاربرد عملی آشکارسازی تغییرات، یکی از مشکلاتجالب در پردازش تصویر است. حفاظت و کنترل از محیط زیست باعث علاقه فزآینده و توجه ویژه در جامعه سنجش از دوربه این موضوع شده است. آشکارسازی تغییرات پوشش زمین مربوط می شود به تجزیه و تحلیل سنجش از دور تصاویر چندطیفی که در دو زمان متفاوت از یک منطقه جغرافیایی مشابه کسب شده است. شبکه های عصبی مصنوعی نیز به عنوان یکابزار مهم برای پرداختن به بسیاری از مشکلات مربوط به پردازش تصاویر سنجش از دور پدید آمده است که شامل هر دوروش طبقه بندی نظارت شده و همچنین طبق هبندی نظارت نشده می باشد. در این تحقیق ما رو شهایی را که در هر دوالگوی طبقه بندی نظارت شده و نظارت نشده به رسمیت شناخته شده، برای آشکارسازی تغییرات در تصاویر ماهواره ای چندزمانه با قدرت تفکیک بالا و چند طیفی مورد ارزیابی قرار دادیم که نتیجه آن بهترین الگوریتم برای طبقه بندی تصاویرماهواره ای با قدرت تفکیک بالا برای الگوریتم پرسپترون چند لایه (MLP) با دقت کلی و ضریب کاپا به ترتیب 9128 درصدو 089 بدست آمد. همچنین شبکه تابع شعاع مدار (RBF) با دقت کلی 7775 درصد و ضریب کاپا 072 و در نهایت شبکهنگاشت خودسازمانده (SOM) با کمترین دقت به میزان 7409 درصد برای دقت کلی و مقدار 067 برای ضریب کاپا بدست آمد. در نهایت، تحلیل تغییرات منطقه مورد مطالعه، شامل بیشترین تغییرات کاربری اراضی مربوط به کلاس بدون کاربری(بایر) و کلاس پوشش گیاهی م یباشد که حدود 8450 متر مربع از زمین بایر به پوشش گیاهی تغییر نموده است. همچنینمیزان 482 متر مربع از پوشش گیاهی به ساختمان تغییر کرده است.